產線停工
一台關鍵設備故障，就可能讓整條產線停下來等待維修。
停機的代價
一次非預期停機，代價遠超過零件費用
交期延誤
停機時間壓縮生產排程，影響出貨與客戶信任。
連帶損壞
小異常未及早處理，常會擴大成更嚴重、更昂貴的故障。
維護方式比較
從「壞了才修」到「該修才修」
事後維修
壞了才修
- 不需額外監測投資
- 故障時已經停機
- 容易造成連帶損壞
定期保養
時間到就換
- 降低部分突發故障
- 零件未壞就提前更換
- 保養週期之間仍有空窗
預知保養
依實際狀態維修
- 持續監測設備狀態
- 異常出現就提早處理
- 減少停機與過度保養
振動，是設備最早出現的異常訊號
設備正常運轉時，振動特徵相當穩定。當零件開始磨損、鬆動或偏移，振動訊號往往會比溫度上升或停機更早出現變化。
持續監測振動並分析頻譜，就能在問題擴大之前找到線索，安排最適當的維修時機。
圖片準備中
可偵測的異常
常見的旋轉設備異常，都能從振動頻譜找到線索
不平衡
轉子質量分布不均，常見於風扇葉片、轉盤與馬達轉子。
不對中
聯軸器或軸心未對齊，造成額外負載與磨損。
機械鬆動
底座螺絲、軸承座或結構件鬆脫。
軸承損傷
內外環或滾珠磨損，是旋轉設備最常見的故障來源。
齒輪異常
齒面磨損、斷齒或嚙合不良。
共振
運轉頻率接近結構自然頻率，振動被放大。
系統架構
從感測器到決策看板的四層架構
- 1
感測層
振動感測器
在設備關鍵位置安裝加速規，擷取真實振動訊號。
- 2
Edge AI 邊緣運算層
設備端即時分析
就地完成頻譜分析，不必把大量原始資料傳到雲端。
- 3
診斷層
異常判斷
依門檻與分析模型判斷設備狀態與異常趨勢。
- 4
看板與警報
維修決策
即時警報、趨勢紀錄，可串接 FDC／MES 等系統。
為什麼在設備端分析
Edge AI 邊緣運算的四個優點
即時反應
在設備端完成分析，異常發生時立即警示。
降低網路負擔
只傳送分析結果，不必上傳大量原始振動資料。
可分散部署
依現場設備逐步增加監測節點，擴充彈性高。
資料留在廠內
振動數據不必離開工廠，符合資安要求。
適用設備
哪些設備適合導入？
圖片準備中
馬達與主軸
圖片準備中
泵浦與壓縮機
圖片準備中
機械手臂與搬送機構
圖片準備中
半導體 Handler
導入流程
四步驟完成導入
- 1
現場評估
了解設備種類、故障經驗與監測目標。
- 2
感測點規劃
選擇感測器與安裝位置，規劃有線或無線架構。
- 3
安裝與基準建立
完成安裝並收集正常運轉資料，建立判斷基準。
- 4
上線監控與優化
開始監控與警報，並依實際數據持續調整。
免費評估您的設備健康狀況
告訴我們設備種類與現況，工程師將協助規劃適合的振動監測方案。